论文导读：先找到问题，再选择论文¶
这里不是需要从头读到尾的论文清单。先明确自己要解决的问题，再直接进入相关章节；每次阅读只需形成一条 主张—证据—限制—下一步 的证据链。
完成本模块后
你能够用一页笔记说清楚论文研究了什么、证据是否充分、哪里仍不确定，以及下一步最值得验证什么。
论文导读模块学习卡
学什么：识别研究问题、核心主张、关键证据、限制与下一步。
官方来源：正式论文或 arXiv、作者项目、官方代码和数据集主页。
做什么：先按问题选择一个入口，只读到足以完成本次输出。
提交什么：一页 Paper Card；深挖时再提交最小复现实验。
如何自查：能区分论文事实、作者解释和自己的推测，并把结论指向具体证据。
阅读深度标签¶
| 标签 | 预计时长 | 你需要完成什么 |
|---|---|---|
| 必读 | 20–30 分钟 | 阅读页面指定核心节点，写下“问题—主张—一个疑问” |
| 选读 | 1–2 小时 | 按当前任务选择方法、数据或评测章节，完成一页 Paper Card |
| 深挖 | 半天至 1 周 | 回到论文、代码与数据，复现一个最小主张并保存证据 |
“必读”不是要求读完整篇页面；达到最小完成动作即可停止。只有当前项目确实需要时，再进入选读或深挖。
1 分钟使用方法¶
- 在下表选择最接近当前任务的问题。
- 点击具体模型、方法或评测入口，不必先浏览整篇长文档。
- 阅读到能够完成“本次输出”时停止，再决定是否继续精读。
按问题快速定位¶
| 你现在想解决什么 | 直接阅读 | 本次输出 |
|---|---|---|
| 快速了解领域版图 | VLM 综述 · Document AI 综述 | 3 个方向、5 个检索词、1 个问题 |
| 补齐 VLM 架构基础 | Transformer · ViT · CLIP | 一张“图像 token 如何进入语言模型”的结构图 |
| 选择视觉语言模型 | VLM 基本结构 · Qwen3-VL · Qwen3.5 官方模型 | 模型选择理由及一个能力边界 |
| 开展文档解析实验 | Docling · MinerU · OmniDocBench | 输入、输出、指标和一个失败样例 |
| 理解结构化文档 | DocTags 核心结构 · Reading Order · Provenance | 一页文档的信息损失对照表 |
| 为项目选择评测 | 按任务选择 · 选择策略 · 评测流程 | 研究问题、数据集、指标、失败案例 |
三条推荐路线¶
重点只学三件事¶
- 找出核心主张：作者解决了什么问题，相比已有方法只改变了什么。
- 检查关键证据：数据、指标、对照实验和失败案例能否支持这个主张。
- 提出下一步验证：选择一个在现有时间和算力下可以复现或反驳的最小问题。
如果一次阅读没有留下“主张—证据—限制—下一步”，它暂时还只是浏览。
完整学习路线¶
- 建立地图：阅读综述地图，写下 3 个关键词和 1 个真正想知道的问题。
- 理解方法：根据问题进入文档智能或视觉语言模型，找出方法相对 baseline 的关键变化。
- 核对证据：进入评测基准，判断论文选择的数据与指标是否真的回答了研究问题。
- 形成行动：到 Week 11 选择一篇有官方论文、公开代码和可用数据的工作，只复现其中一个最小主张。
基础概念不清楚时，再回到基础模型补齐 Transformer、ViT 与 CLIP；需要研究结构化文档表示时，进入DocTags。
带着问题选入口¶
- 这个领域到底在研究什么？ 从综述地图建立任务边界和关键词。
- 模型为什么能同时理解图像与文本？ 阅读基础模型与视觉语言模型。
- OCR、版面、表格和 Document QA 有什么区别？ 阅读文档智能。
- 为什么识别出文字仍会理解错结构？ 阅读DocTags 与结构化文档。
- 分数更高是否真的更有用？ 阅读评测基准，检查指标与真实任务是否一致。
当前主线与未来扩展
目前以文档理解和视觉语言模型为主。未来扩展到视频理解时，仍会沿用视觉—语言对齐、证据定位、时序理解和可靠评测这条能力主线。
必做任务：完成一页论文卡¶
选择一篇与当前课程任务直接相关的论文，用自己的话回答五个问题：
- 问题：论文要解决什么，明确不解决什么？
- 主张：相对 baseline，作者认为哪一项改变有效？
- 证据：哪组数据、指标或消融最能支持这个主张？
- 限制：哪个失败案例、数据偏差或实验缺口会削弱主张？
- 行动：你能用什么最小实验继续验证？成功标准是什么？
# Paper Card
- Paper / version / official URL：
- 研究问题与非目标：
- 核心主张：
- 最关键的证据：
- 一个限制或失败案例：
- 我能验证的最小问题：
- 所需数据、算力与成功标准：
如何判断已经学会¶
- 不看摘要，也能用两句话说明研究问题和核心主张。
- 能指出一项真正支持主张的实验，而不是只复述最高分。
- 能区分论文事实、作者解释和自己的推测。
- 能提出一个变量明确、结果可检查的后续实验。
按时间选择深度¶
- 30 分钟：读摘要、方法图和限制，完成“问题—主张—疑问”。
- 2 小时：核对数据、指标、baseline 与一项消融，形成完整证据链。
- 1 周：先写成功标准，再复现一个最小主张，并保留代码、配置和原始结果。
只把原始来源当作事实依据
论文事实以正式论文或 arXiv 原文、作者官方项目和数据集主页为准。博客与视频可以帮助理解，但不能替代原始引用。